메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
임지선 (국민대학교) 최윤성 (온투인) 박종혁 (국민대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제25권 제4호
발행연도
2024.4
수록면
605 - 613 (9page)
DOI
10.5762/KAIS.2024.25.4.605

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
병충해 예방 및 관리는 농업 분야에서 중요한 주제이다. 본 연구는 농작물에 피해를 주고 있는 노린재목(Hemiptera)을 탐지하여 병충해로 인한 피해를 최소화하고, 지속 가능한 농업 생산을 위한 딥러닝 알고리즘을 개발하고자 수행되었다. 이에 YOLOv5s와 YOLOv8n과 같은 객체 탐지(Object Detection)의 대표적인 모델을 활용하여 종이 다양하고 작은 객체인 노린재를 효과적으로 탐지하는지 실험하였다. 또한 클래스 간의 불균형 상황에서의 오탐지를 감소시키기 위한 방법으로 데이터 증강(Data Augmentation) 기법 중 뒤집기, 회전, 크기 조정, 곱하기 그리고 대비와 같은 기법을 도입하여 모델의 성능을 비교하였다. 종합적으로, YOLOv8n을 사용한 전체 클래스에 대한 데이터 증강 시 ‘곱하기’와 ‘대비’ 기법을 사용했을 때 mAP50 0.992로 성능이 가장 높게 나왔다. 특히, 이 기법은 유독 오탐지가 잦았던 "먹노린재" 클래스 대상으로도 mAP50 0.995로 가장 높게 나왔다. 이어 "먹노린재" 데이터만 증강하여 추가한 실험과 YOLOv5s 모델에서도 유사한 결과를 얻었다. 이러한 실험 결과를 통해 데이터 증강기법을 적용한 인공지능 모델이 노린재 탐지에서 성능 향상에 기여할 수 있음을 확인할 수 있었으며, 이러한 연구 결과는 농업 분야의 병충해 예방과 관리에서 인공지능을 활용하는 데 도움이 될 것으로 기대한다.

목차

요약
Abstract
1. 서론
2. 노린재 탐지 준비
3. 실험 및 실험 결과
4. 결론
References

참고문헌 (25)

참고문헌 신청

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0